엔터프라이즈 애플리케이션이 크게 발전했음에도 기업의 매입채무(AP) 관리 프로세스에는 여전히 수작업 중심의 워크플로우에서 벗어나지 못하고 있습니다.
인보이스는 레이아웃, 언어, 파일 품질이 제각각입니다. 일부 인보이스는 시간이 지나며 변경된 구매 주문서(PO)를 참조합니다. 또 다른 인보이스에는 전사적 자원 관리(ERP) 시스템이 전표 처리 전에 요구하는 핵심 메타데이터가 빠져 있습니다. 기존 자동화 도구는 일반적으로 문서에서 필드를 추출할 수 있지만, 공급업체별 서식, PO 없는 인보이스, 모호한 라인 매칭, 분산된 엔터프라이즈 데이터, 회사마다 다른 비즈니스 규칙 같은 예외 상황은 운영 비용을 발생시킵니다.
Snowflake는 이러한 격차를 해소하기 위해 내부적으로 InvoiceIQ를 구축했습니다.
자료 1: InvoiceIQ의 인보이스 세부 정보
Snowflake는 인보이스 처리를 단순한 문서 파싱 문제가 아니라, Snowflake에서 직접 실행되는 거버넌스 기반 데이터 및 워크플로우 문제로 재정의했습니다. 그 결과 문서 이해, 엔터프라이즈 보강, 비즈니스 규칙, ERP 제출을 하나의 시스템으로 결합한 Snowflake 네이티브 매입채무 관리 애플리케이션이 탄생했습니다.
이 글에서는 다음 내용을 살펴봅니다.
- 기존 AP 자동화가 충분한 가치를 실현하지 못하는 이유
- Snowflake 네이티브 아키텍처를 선택한 이유
- InvoiceIQ가 원본 인보이스를 재무 업무용 레코드로 전환하는 방식
- 프로덕션 환경에서 AI 기반 워크플로우를 운영하며 얻은 교훈
AP 자동화의 진짜 병목
최신 멀티모달 모델은 이미 인보이스를 읽을 수 있습니다. 이제 기술적 과제는 AI가 페이지의 텍스트를 인식할 수 있느냐가 아닙니다. 모델의 이해를 실제 재무 워크플로우 안에서 어떻게 신뢰할 수 있게 만드느냐가 핵심입니다.
실제로 AP 자동화가 실패하는 이유는 모델이 문서를 읽지 못해서라기보다, 해당 문서를 둘러싼 워크플로우가 단절되어 있기 때문인 경우가 더 많습니다. 데이터는 여러 시스템에 흩어져 있습니다. SaaS AI 기능은 대체로 범용적이어서 회사별 AP 워크플로우에 맞게 조정하기 어렵습니다. 통합 패턴 역시 적응형 워크플로우를 전제로 설계되어 있지 않습니다. 게다가 가장 중요한 예외 사례는 기업마다 다른 공급업체, 정책, ERP 요구사항에서 비롯되는 경우가 많습니다.
InvoiceIQ는 바로 이 마지막 구간의 간극을 메우기 위해 설계되었습니다. Snowflake 내부에서는 이 문제를 수작업 검토를 줄이고, 통제력을 높이며, 거버넌스가 적용된 엔터프라이즈 데이터 위에 직접 구축되는 AI 애플리케이션의 재사용 가능한 패턴을 만드는 과제로 정의했습니다.
Snowflake 네이티브로 구축한 이유
초기 단계에서 Snowflake는 단순한 아키텍처 원칙을 세웠습니다. 워크플로우를 데이터 가까이에 두고, 결정론적으로 처리할 수 있는 부분은 결정론적으로 유지하며, 전체 워크플로우를 불투명한 에이전트로 만드는 대신 AI를 더 큰 시스템의 하나의 계층으로 활용한다는 원칙입니다.
이 결정이 중요했던 이유는 필요한 데이터가 이미 Snowflake에 있었기 때문입니다. 구매 주문서, 공급업체 기본 데이터, 과거 인보이스, 구성 정보, 큐 상태, 다운스트림 제출 레코드는 이미 Snowflake에서 사용할 수 있었거나 그 안에서 모델링할 수 있었습니다. 이러한 컨텍스트를 여러 외부 서비스로 내보내 조각난 구조를 만드는 대신, 애플리케이션 로직을 데이터 쪽으로 가져왔습니다.
InvoiceIQ는 Snowpark Container Services(SPCS)를 사용해 Snowflake 내부에서 실행되며, 워크플로우 조정, 구성, 감사 이력도 Snowflake에 유지됩니다. 이를 통해 단일 보안 경계를 확보하고 운영을 단순화하며, 문제가 발생했을 때 더 쉽게 점검할 수 있는 시스템을 구현했습니다.
InvoiceIQ의 작동 방식
큰 흐름에서 InvoiceIQ는 각 인보이스를 분류, 추출, 번역, 매칭, 보강, 의사 결정의 여섯 단계로 처리합니다. 각 단계는 명확하게 한정된 역할을 맡으며, 전체적으로 원본 PDF를 Workday에 제출하거나 명확한 근거와 함께 분석가에게 전달할 수 있는 재무 업무용 레코드로 전환합니다.
자료 2: InvoiceIQ 파이프라인 개요
분류
첫 단계는 업로드된 파일이 실제 인보이스인지 판단하는 것입니다.
간단해 보이지만, 실제로 AP 팀은 인보이스와 함께 영수증, 구매 주문서, 명세서, 증빙 문서를 받는 경우가 많습니다. InvoiceIQ는 AI_PARSE_DOCUMENT와 AI_CLASSIFY를 함께 사용해 이러한 문서를 초기에 걸러내므로, 파이프라인의 나머지 단계는 인보이스 워크플로우에 필요한 문서에만 집중합니다.
추출 및 문서 이해
자료 3: PDF 수집부터 인보이스 이해까지 이어지는 문서 추출 파이프라인
추출은 의도적으로 여러 단계로 구성된 프로세스입니다.
InvoiceIQ는 Snowflake 문서 인텔리전스 서비스를 사용해 각 인보이스의 구조화된 뷰를 만들고, 텍스트와 레이아웃 정보를 복원하며, 분석가가 검토할 수 있도록 원본 문서까지의 추적성을 유지합니다.
텍스트가 구성되면 AI_COMPLETE가 이를 헤더 필드와 라인 항목 같은 구조화된 인보이스 데이터로 변환합니다. 이 지점에서 시스템은 원본 문서 콘텐츠를 넘어 비즈니스가 실제로 활용할 수 있는 표현으로 전환됩니다.
번역 및 정규화
자료 4: 언어 감지 및 번역 워크플로우
인보이스 번역은 일반적인 전처리로 취급하지 않습니다.
파이프라인은 먼저 문서 자체에서 얻은 인보이스 인식 신호로 언어를 감지한 다음 CORTEX.TRANSLATE를 사용해 필요한 섹션만 번역합니다. 이때 원본 문서 내 위치를 보존하고, 검토를 위해 원문과 번역문을 모두 유지합니다.
인보이스는 텍스트가 적고 숫자 위주이며 구조가 불규칙한 경우가 많기 때문에 이러한 방식이 중요합니다. 문서 전체를 일괄 번역하다 맥락을 잃기보다, 워크플로우 품질에 영향을 주는 필드만 정확히 번역하는 편이 훨씬 유용합니다.
매칭
자료 5: 인보이스 매칭 접근 방식.
PO 기반 인보이스에서 매칭은 AI가 운영적으로 의미를 갖기 시작하는 단계입니다.
InvoiceIQ는 서로 다른 세 가지 작업에 세 가지 매칭 방식을 사용합니다. 문자열이 이미 일치하는 경우 정확 매칭은 낮은 비용으로 처리를 빠르게 종료하는 지름길 역할을 합니다. JAROWINKLER_SIMILARITY는 표기가 불규칙한 공급업체명과 법인명을 해결하는 데 도움을 줍니다. 그리고 AI_COMPLETE는 표현은 다르지만 비즈니스 의미가 같은 경우 인보이스 라인과 PO 라인을 의미 기반으로 매칭합니다.
이를 통해 시스템은 ‘Professional Services Q1’ 같은 인보이스 라인을 더 공식적이거나 다르게 표현된 구매 주문서 라인 설명과 연결할 수 있으며, 분석가가 모든 불일치를 일일이 수작업으로 대조하지 않아도 됩니다.
보강
자료 6: 인보이스 스마트 보강
추출은 인보이스에 무엇이 적혀 있는지 알려줍니다. 보강은 최종 비즈니스 레코드가 무엇이어야 하는지 알려줍니다.
라인 매칭이 완료되면 InvoiceIQ는 Snowflake에 있는 기록 시스템에서 엔터프라이즈 컨텍스트를 가져옵니다. 여기에는 지출 카테고리, 비용 센터, 위치, 회사 코드, 서비스 날짜, 결제 조건, 세금 관련 값 등의 필드가 포함됩니다.
이는 이 시스템에서 가장 중요한 설계 선택 중 하나입니다. Snowflake는 PDF가 모든 필드의 최종 진실 공급원이어야 한다고 가정하지 않습니다. 대신 팀은 어떤 데이터를 문서에서 가져오고, 어떤 데이터를 내부 시스템과 비즈니스 정책으로 대체할지 선택할 수 있습니다. PO 기반 인보이스에서는 PO 기록 시스템을 우선할 수 있습니다. PO가 없는 인보이스에서는 공급업체 및 과거 컨텍스트가 문서에 부족한 정보를 보완할 수 있습니다.
이로써 이 애플리케이션은 독립형 파서보다 회사별 AP 운영에 훨씬 더 유연하게 적응할 수 있습니다.
의사 결정 및 제출
자료 7: InvoiceIQ 인보이스 라이프사이클
매칭과 보강 단계가 끝나면 시스템은 다음 조치를 결정합니다.
인보이스는 이메일 통합 프로세스 또는 수동 로드를 통해 유입되고, AI 처리를 거친 뒤 승인, 반려, 중복, 검토 필요 등의 초기 결과를 받습니다. 주의가 필요한 항목은 분석가에게 배정되고, 문제가 없는 사례는 기존 AP 대기열보다 훨씬 적은 인력으로 다음 단계로 진행됩니다.
핵심은 모든 인보이스를 완전히 자율적으로 처리하는 데 있있지 않습니다. 사람의 판단이 실제로 필요한 경우에만 검토를 맡기고, 이때도 빈 화면이 아닌 구조화된 컨텍스트를 바탕으로 검토할 수 있도록 하는 데 있습니다.
프로덕션 환경에서 AI 워크플로우 운영
AI 기능을 출시하는 것은 전체 과제의 절반에 불과합니다. 이를 대규모로 안정적으로, 즉 안전하고 관측 가능하며 전담 운영팀 없이 실행하는 것이 나머지 절반입니다. InvoiceIQ는 이러한 모든 요구 사항을 Snowflake 플랫폼에서 네이티브로 처리합니다.
그림 8: Snowflake에서 InvoiceIQ의 프로덕션 운영을 가능하게 하는 다섯 가지 축: 확장성, 관측 가능성, 감사 추적, 보안, 평가
확장성: SPCS 자동 확장과 병렬 AI 추론
SPCS가 수요에 맞춰 컴퓨팅을 자동으로 확장하거나 축소하고, Snowflake Cortex AI Functions가 Snowflake의 컴퓨팅 계층 안에서 동시에 실행되기 때문에 InvoiceIQ는 변동하는 인보이스 물량을 수동 개입 없이 흡수할 수 있습니다. 이를 통해 하나의 파이프라인 안에서 여러 추론 단계를 병렬로 실행할 수 있으며, 추가 네트워크 홉이나 사용자 지정 속도 제한 처리, 전담 운영 팀도 필요하지 않습니다.
옵저버빌리티: 모든 토큰의 중요성
InvoiceIQ의 옵저버빌리티는 런타임 동작을 파악하는 데 초점을 둡니다. 각 파이프라인 실행마다 스테이지별 지연 시간, 각 Cortex AI 호출의 토큰 사용량, 오류 및 재시도 횟수 등 운영 지표가 Snowflake에 기록됩니다. 이 텔레메트리는 Streamlit 대시보드의 기반이 되어, 엔지니어가 병목을 찾아내고 인보이스별 비용을 파악하며 시간 경과에 따른 모델 성능을 모니터링할 수 있도록 지원합니다.
감사 추적: 최상위 요소로서의 감사
감사 추적은 다른 목적을 수행합니다. 시스템이 얼마나 효율적으로 실행되었는지가 아니라, 어떤 일이 발생했는지를 기록합니다. AI 기반 작업이든 사람이 수행한 작업이든 모든 작업은 Snowflake 감사 테이블에 이벤트로 기록됩니다. 따라서 전체 기록을 SQL로 쿼리하고, 관련 계정 데이터와 손쉽게 조인하며, 규정 준수 또는 운영 보고에 즉시 활용할 수 있습니다.
보안 및 액세스 제어: Snowflake RBAC와 SPCS
보안은 계정 전반에서 사용되는 동일한 Snowflake 역할 기반 액세스 제어 모델을 따릅니다. 각 SPCS 서비스는 필요한 권한만 가진 전용 Snowflake 역할로 실행되며, 분석가, 엔지니어, 서비스 계정은 모두 범위 지정 역할에 따라 운영됩니다. 그 결과 사람과 서비스 전반에 단일 최소 권한 모델이 적용되며, 별도의 IAM 계층, 수동 자격 증명 로테이션, 외부 시크릿 인프라가 필요 없습니다.
평가: TruLens와 회귀 테스트
InvoiceIQ는 정확도를 일회성 점검으로 끝내지 않고 품질을 지속적으로 측정합니다. TruLens는 파이프라인 전반의 LLM 호출을 추적하고 관련성, 근거성 같은 신호를 점수화합니다. 동시에 회귀 테스트 제품군은 사람이 검증한 정답 데이터를 기준으로 실제 인보이스에 대한 모든 변경 사항을 테스트합니다. 이러한 벤치마크 우선 접근 방식은 새로운 프롬프트, 모델, Snowflake AI 기능을 더 안전하게 도입할 수 있게 하며, 품질 회귀가 프로덕션에 도달하기 전에 팀이 이를 감지할 방법을 제공합니다.
맺음말
인보이스 자동화에는 여전히 개선의 여지가 많습니다. 하지만 이제 그 기반은 확실히 마련되었습니다.
Snowflake 네이티브 서비스와 거버넌스가 적용된 엔터프라이즈 데이터, 목적에 맞춘 AI 기능을 중심으로 AP를 재구축함으로써, 단순한 인보이스 추출을 넘어 실제 비즈니스 환경에서 제대로 작동하는 시스템으로 나아갈 수 있었습니다. 그 결과물은 완전히 자율적으로 움직이는 블랙박스가 아닙니다. 그보다 훨씬 유형한, 즉 제어하고 검사하고 확장할 수 있는 워크플로우입니다. AI는 가장 큰 효과를 내는 곳에 배치하고, 나머지 시스템은 신뢰할 수 있는 엔터프라이즈 데이터에 기반하도록 유지합니다.
비즈니스에 가져온 변화
InvoiceIQ는 효율성과 통제력을 모두 높이기 위해 구축되었습니다.
사내 롤아웃 과정에서 팀은 공급업체 인보이스의 대부분을 InvoiceIQ를 통한 처리로 성공적으로 전환했습니다. 그 결과 자체 데이터 기반의 에이전틱 AP 워크플로우를 구현하고, Snowflake CoCo를 사용해 라이브 전환 즉시 AI 기반 분석과 인사이트를 제공할 수 있었습니다. 이에 못지않게 중요한 점은, 이 시스템이 향후 AP 자동화를 위한 더 강력한 기술적 기반을 마련했다는 것입니다. 비즈니스 규칙, 보강 로직, 모델 동작, 감사 가능성이 함께 발전할 수 있는 기반입니다.
문제가 없는 인보이스는 몇 분 안에 받은 편지함에서 ERP로 이동할 수 있습니다. 예외 건은 컨텍스트가 미리 채워진 상태로 전달됩니다. 또한 새로운 모델이 등장할 때마다 애플리케이션을 다시 구축하지 않고도 정확도를 꾸준히 개선해 나갈 수 있는 길이 열렸습니다.
